Ciencia Abierta · Biblioteca
Research Data Management
Servicio institucional
Gestiona tus datos de investigación con respaldo experto
El servicio de Research Data Management de la Universidad de los Andes, liderado por el Data Steward, ofrece acompañamiento en cada etapa del ciclo de vida de los datos. Desde la planificación y recolección hasta la preservación y reutilización, te ayuda a cumplir con estándares éticos, legales y técnicos, aumentando el impacto, la reproducibilidad, la seguridad y la visibilidad de tu investigación.
- Planes de gestión de datos de investigación
- Almacenar y compartir datos de investigación
- Publicar y citar data sets
- Cumplimiento normativo
- Apoyo en análisis, limpieza y extracción de datos, a través del equipo de data scientist
Además, ofrece capacitaciones gratuitas, presenciales o en línea, en la gestión de datos.
Principios FAIR
Haz clic en cada etapa para conocer cómo el Data Steward acompaña tu investigación.
Guías y recursos
Recursos por etapa
Materiales, guías institucionales y herramientas para cada momento del ciclo de vida de los datos.
Convierte la planificación de datos en una ventaja competitiva: el Data Steward te ayuda a cumplir con los requisitos de los financiadores y anticipar desafíos antes de que surjan.
¿Qué es un Plan de Gestión de Datos?
Un Plan de Gestión de Datos (PGD) es un documento formal que describe cómo se gestionarán los datos de investigación a lo largo del ciclo de vida de un proyecto: recolección, procesamiento, almacenamiento, preservación, acceso y reutilización.
Según la Política de Ciencia Abierta y Gestión de Datos de Investigación de la UANDES, todo proyecto debe incorporar un PGD que asegure la gestión, integridad y acceso a los datos.
Importancia del PGD
- Facilita la reproducibilidad de los resultados científicos.
- Optimiza recursos mediante planificación anticipada.
- Cumple normativas institucionales y legales.
- Aumenta el impacto mediante datos FAIR.
Componentes de un PGD
|
|
Ciclo de vida de los datos
|
|
Normativas aplicables
UANDES
|
Chile
|
Apoyo institucional
La UANDES cuenta con un Servicio de Research Data Management (RDM), operado por un Data Steward, que asesora en la creación y revisión de PGD. Se recomienda incorporar el PGD desde el inicio del proyecto para asegurar coherencia, cumplimiento y trazabilidad.
Guía paso a paso para utilizar DMPTool con la plantilla UANDES
1. Acceder a la plataforma DMPTool
- Ingresa a dmptool.org
- Haz clic en “Sign Up” e ingresa tu correo institucional
- Confirma tu correo, inicia sesión y accede al dashboard
Cuadro 1
Cuadro 2 · Ingresa nombre, institución y crea tu cuenta
Cuadro 3
2. Orientación en DMPTool
Cuadro 4
- Dashboard
- Create Plan
- Public Plans
- Funder Requirements
- About
- Perfil de usuario
3. Crear un Plan de Gestión de Datos
Cuadro 5
Cuadro 6
- Project Details
- Collaborators
- Write Plan
- Research Outputs
- Request feedback
- Finalize
En la opción Download puedes exportar tu PGD en distintos formatos.
Aspectos éticos y legales en la planificación
Considerar los aspectos éticos y legales en la fase de planificación es esencial para asegurar la integridad, legitimidad y sostenibilidad del proyecto. Una adecuada planificación ética permite identificar riesgos para las personas involucradas y establecer mecanismos de consentimiento informado.
Esto garantiza el cumplimiento de leyes y estándares éticos, así como el respeto a la propiedad intelectual. La Política de Integridad Científica de la Universidad enfatiza la investigación ética y responsable, respetando la privacidad de los participantes y la confidencialidad de la información.
Acuerdos internacionales como la Singapore Statement on Research Integrity y las directrices de COPE promueven una cultura de responsabilidad ética en todas las etapas del ciclo de vida de la investigación.
Recursos útiles
| Ley 21.719 Regula el tratamiento y la protección de los datos personales en Chile: licitud, seguridad y transparencia. Ver ley |
Normativa Comité Ético Científico Define la evaluación ética como requisito previo para investigaciones con personas, datos sensibles o animales. Ver documento |
| Política de Integridad Científica Promueve la excelencia ética en la investigación, define responsabilidades y establece mecanismos de prevención y sanción. Ver política |
|
Referencias
- Committee on Publication Ethics. Promoting integrity in research.
- Singapore Statement on Research Integrity (2010).
Guía institucional: Plan de gestión de datos
Descargar guíaCostos y recursos para la gestión de datos
La gestión de datos requiere tiempo y herramientas específicas. Según el tipo de proyecto, estos recursos se distribuyen de manera diferente, pero una buena planificación permite prevenir imprevistos y asegurar el cumplimiento de esta etapa.
Principales categorías de costo
Costos de personal
|
Infraestructura y herramientas
|
Documentación y archivado
|
Compartir y preservar
|
Herramienta de estimación de costos
El UK Data Service desarrolló una guía y checklist para estimar costos en gestión de datos.
UK Data Service: Costing tool¿Cómo utilizar la herramienta?
| 1. Checklist Seleccionar actividades relevantes. | 2. Estimación Calcular tiempo y recursos. |
| 3. Implementación Registrar costos en el DMP. | 4. Planificación Evitar conflictos con etapas finales. |
Tabla referencial de costos
| Recurso | Costo comercial | Alternativas libres |
|---|---|---|
| Datos secundarios | USD 5.000–28.000/año | CESSDA, arXiv, Dataverse |
| Colección | Qualtrics USD 1.500–5.000/año | LimeSurvey, Google Forms |
| Almacenamiento | USD 20–25/mes | Zenodo, OSF, OneDrive |
| Documentación | USD 100–500/año | Jupyter, eLabFTW |
| Análisis | USD 100–1.500/año | R, Python, Jamovi |
| Preservación | USD 150/dataset | Zenodo, Dryad |
Protocolo para la gestión de datos de investigación
Descargar protocoloRequisitos comparados de concursos Fondecyt
| Requisito | Iniciación | Regular | Postdoctorado |
|---|---|---|---|
| Postulante | Doctor obtenido hasta 5 años antes del cierre. | Investigador/a con trayectoria. | Doctor/a reciente. |
| Nacionalidad | Residente en Chile. | Residente en Chile. | Residente en Chile. |
| Institución patrocinante | Requiere patrocinio institucional. | Requiere patrocinio institucional. | Requiere patrocinio institucional. |
| Dedicación | Exclusiva. | Mínimo 6 meses por año. | Exclusiva. |
| Duración | 2–3 años. | 2–4 años. | 2–3 años. |
| Financiamiento | $30.000.000 CLP/año | $57.000.000 CLP/año | $27.000.000 CLP/año |
| Co-investigadores | No permite | Permite | No permite |
| Carta de patrocinio | Requerida | Requerida | Requerida |
| Certificaciones éticas | Si aplica | Si aplica | Si aplica |
| Restricciones | No haber tenido Fondecyt previo. | No especificada. | No haber tenido el mismo fondo. |
Requisitos generales referenciales de concursos Fondecyt.
Crear rutinas simples, seguras y eficientes: te apoyamos en prácticas de recolección que aseguran la calidad de datos primarios y secundarios.
Consulta al Data Steward para definir instrumentos, formatos de captura, control de versiones y resguardo desde el primer día.
Guía de consentimiento informado
Para redactar un consentimiento informado de calidad en la investigación de la Universidad de los Andes, es necesario considerar principios éticos, legales y normativos institucionales que aseguren el respeto por los derechos de los participantes.
Marco normativo
- Ley N° 19.628: Protección a la Vida Privada.
- Ley N° 20.120: Investigación científica en seres humanos.
- Ley N° 20.584: Derechos y deberes en salud.
- Ley N° 21.719: Protección de datos personales.
- Norma Técnica 57 MINSAL: Ensayos clínicos en seres humanos.
- Normativa del Comité Ético Científico UANDES.
- Política de Integridad Científica.
- Reglamento de Conflictos de Interés.
- Reglamento de Propiedad Intelectual.
Principios fundamentales
El consentimiento debe ser voluntario, explícito, específico e informado, redactado de forma clara y comprensible.
- Autonomía: decisiones libres e informadas.
- Beneficencia: maximizar beneficios.
- No maleficencia: evitar daños.
- Justicia: selección equitativa.
- Confidencialidad: protección de datos.
Información del estudio
- Título del estudio: nombre, responsable y contacto.
- Introducción: propósito en lenguaje claro.
- Objetivos: qué se busca investigar.
- Procedimientos: actividades, duración y métodos.
Condiciones de participación
- Riesgos: posibles efectos físicos, psicológicos o sociales.
- Beneficios: directos o contribución al conocimiento.
- Voluntariedad: derecho a retirarse sin consecuencias.
Protección y derechos
- Confidencialidad: manejo y protección de datos.
- Base legal: cumplimiento normativo.
- Compensaciones: si corresponde.
- Conflictos de interés: declaración transparente.
- Derechos: acceso, rectificación, eliminación.
- Contacto: dudas o reclamos.
Consideraciones adicionales
El consentimiento debe adaptarse al perfil de los participantes (edad, nivel educativo y capacidades cognitivas) y presentarse en lenguaje comprensible. Idealmente, debe entregarse en formato escrito y también de forma oral.
Ciencia abierta
Debe informarse la posibilidad de compartir datos anonimizados en repositorios científicos, garantizando siempre la protección de la identidad de los participantes.
Validación ética
Todo consentimiento informado debe ser revisado y aprobado por el Comité Ético Científico de la Universidad.
Descargar plantilla de consentimiento informadoSe recomienda integrar el consentimiento informado en el Plan de Gestión de Datos (PGD) desde la etapa inicial del proyecto.
Formatos recomendados por tipo de archivo
La elección de formatos adecuados es fundamental para asegurar la interoperabilidad, preservación y reproducibilidad de los datos de investigación, en línea con los principios FAIR.
| Tipo de archivo / dato | Formato recomendado | Aceptado (no preferido) | Motivo FAIR / reproducibilidad |
|---|---|---|---|
| Datos tabulares | .csv, .tsv, .sav, .dta | .xlsx, .xls | Formatos abiertos legibles por máquina; Excel puede alterar datos. |
| Datos cualitativos | .txt, .rtf, .xml, .odt | .docx, .pdf | Facilitan análisis automatizado y reutilización. |
| Imágenes | .tif, .png, .jpg | .gif, .bmp | .tif y .png preservan calidad; .jpg útil en alta resolución. |
| Audio | .wav, .flac | .mp3 | Formatos sin pérdida mantienen calidad original. |
| Video | .mp4, .mov, .avi | .wmv | .mp4 es estándar abierto y ampliamente compatible. |
| Datos geoespaciales | .shp, .geojson, .kml, .gml | .kmz | Formatos abiertos aseguran interoperabilidad. |
| Bases de datos | .xml, .json, .sql, .sqlite | .accdb, .mdb | Estándares abiertos permiten intercambio y acceso. |
| Series temporales | .csv, .tsv, .json | .xls, .xlsx | Facilitan análisis reproducible con scripts. |
| Transcripciones | .txt, .xml, .odt | .docx | Permiten preservación y etiquetado semántico. |
| Código fuente | .py, .r, .ipynb, .cpp, .java | .exe | Permiten auditoría y replicación. |
| Metadatos | .xml, .json, .rdf, .txt | .docx, .pdf | Estructurados → interoperabilidad y reutilización. |
| Presentaciones | .pdf, .odp | .pptx | .pdf asegura estabilidad del contenido. |
| Encuestas | .pdf, .xml, .xls | .docx | .xml permite interoperabilidad. |
| Modelos computacionales | .py, .r, .m, .json | .xls | Permiten replicación del modelo. |
| Datos genómicos | .fasta, .fastq, .vcf | — | Estándares definidos por comunidades científicas. |
Se recomienda priorizar formatos abiertos y documentados para facilitar la preservación, el acceso y la reutilización de los datos de investigación.
Aspectos éticos y legales en la planificación de la investigación
Considerar los aspectos éticos y legales en la fase de planificación de un proyecto de investigación es esencial para asegurar su integridad, legitimidad y sostenibilidad.
Desde el inicio, una adecuada planificación ética permite identificar riesgos para las personas involucradas y establecer mecanismos de consentimiento informado, garantizando el cumplimiento de leyes, estándares éticos y el respeto a la propiedad intelectual.
La Política de Integridad Científica de la Universidad enfatiza la importancia de una investigación ética y responsable, resguardando la privacidad de los participantes y la confidencialidad de la información.
Diversos acuerdos internacionales, como la Singapore Statement on Research Integrity y las directrices de COPE, promueven una cultura de responsabilidad ética en todas las etapas del ciclo de vida de la investigación.
Recursos útiles
| Ley 21.719 Regula el tratamiento y la protección de los datos personales en Chile, estableciendo principios como licitud, seguridad y transparencia. Ver Ley |
Normativa Comité Ético Científico Define la evaluación ética como requisito previo para investigaciones con personas, datos sensibles o animales. Ver documento |
| Política de Integridad Científica Promueve la excelencia ética en la investigación, define responsabilidades y establece mecanismos de prevención y sanción. Ver política |
|
Referencias
- Committee on Publication Ethics. Promoting integrity in research.
- Singapore Statement on Research Integrity (2010).
Se recomienda incorporar estos aspectos desde la etapa de planificación e integrarlos en el Plan de Gestión de Datos (PGD).
Colección segura de datos de investigación
La recolección de datos debe realizarse siguiendo criterios de seguridad, estandarización y protección de la información, asegurando su calidad y preservación a lo largo del proyecto.
Seguridad en la recolección
Estandarización y calidad
Protección de datos personales
Respaldo y preservación
Mejora la calidad de tu análisis desde la base: recibe guía en codificación, documentación y formatos óptimos para facilitar el procesamiento futuro.
Transformación, limpieza y validación de datos de investigación
Los pasos de transformación, limpieza y validación de los datos son esenciales para obtener datos de alta calidad, que posteriormente podemos utilizar en el análisis. Además, aseguran que los datos sean íntegros y cumplan con las políticas institucionales de investigación, ética y protección de datos.
¿Qué significa limpiar, transformar y validar?
| Limpieza de datos Corregir errores, eliminar duplicados y gestionar datos faltantes o inconsistencias. |
| Transformación de datos Cambiar formato o estructura para facilitar el análisis (normalización, codificación, etc.). |
| Validación de datos Verificar coherencia interna y externa según reglas esperadas. |
Estas acciones deben realizarse antes del análisis y deben documentarse adecuadamente para asegurar transparencia y reproducibilidad.
Métodos en la transformación, limpieza y validación
Ingreso y codificación de datos
|
Formatos y transformación
|
Verificación y validación
|
Documentación de procesos
|
Consideraciones éticas y legales
- Anonimización o seudonimización de datos personales.
- Cumplimiento de la Ley 21.719.
- Normativa del Comité Ético Científico.
- Registro del consentimiento informado cuando corresponda.
¿Necesitas ayuda en los procesos de transformación, limpieza o validación?
Contactar al Data Steward¿Por qué versionar datos en la investigación?
Los datos de investigación rara vez permanecen estáticos. Conforme se limpian, corrigen o agregan observaciones, surgen nuevas versiones de los conjuntos de datos.
El control de versiones permite conservar la historia completa del dataset y garantiza que procedimientos y resultados pasados puedan reconstruirse con exactitud. Esto apoya la transparencia, la claridad y la replicabilidad de la investigación; en caso de errores, permite volver a versiones anteriores y repetir el proceso correctamente.
Principios fundamentales (CESSDA)
| Trazabilidad Cada cambio debe tener identificador, fecha, autor y descripción. |
No sobrescribir sin registro No reemplazar versiones sin conservar el estado anterior. |
| Versiones publicables Las versiones finales pueden depositarse con DOI; las intermedias se gestionan internamente. |
Compatibilidad con PGD El versionamiento debe estar contemplado en el Plan de Gestión de Datos. |
Buenas prácticas recomendadas
- Usar esquemas claros: v1.0, v1.1, v2.0 o 2025-10-15.
- Registrar cambios mediante un changelog.
- Preservar versiones anteriores sin sobrescribir.
- Usar herramientas colaborativas (Git, OSF, RDR UANDES).
- Asignar DOI a versiones publicadas.
Herramientas de apoyo
- Ant Renamer
- Bulk Rename Utility
- Rename It
- Renamer 7
Plantilla de changelog
Cada versión debe incluir fecha, responsable, resumen de cambios y, si aplica, DOI o URI. Se recomienda mantener el changelog en la raíz del proyecto y sincronizarlo con repositorios como OSF o RDR UANDES.
| changelog_plantilla_breve.md | changelog_plantilla_tabla.md |
| changelog_plantilla.csv | changelog_plantilla.json |
Referencia: CESSDA. Data Management Expert Guide.
Cómo proteger la autenticidad de los datos
Un principio fundamental de la integridad científica es resguardar la autenticidad de los datos de investigación: que sean originales, verificables y no manipulados sin registro.
Además, deben ser rastreables desde su creación o colección hasta su publicación y archivo. Estas prácticas están alineadas con la Política de Investigación e Innovación de la Universidad y con la Ley 21.719 sobre protección de datos personales.
Buenas prácticas para asegurar la autenticidad
| 1. Control de versiones Nombrar las versiones de forma sistemática para comprender su evolución. Utiliza herramientas como Git o el Research Data Repository UANDES. |
Permite trazabilidad y evita pérdida de información. |
| 2. Generación de hash Aplica algoritmos como SHA-256 para generar una firma digital única del archivo. Esta huella cambia si el archivo se modifica, permitiendo verificar su autenticidad. |
Garantiza integridad y autenticidad. |
| 3. Bitácora de cambios Registrar qué se modificó, por qué, cuándo y quién realizó el cambio. |
Asegura transparencia del proceso. |
| 4. Control de acceso y respaldo Uso de claves, permisos diferenciados y respaldos automáticos. El Research Data Repository UANDES puede resguardar versiones originales. |
Previene modificaciones accidentales o maliciosas. |
| 5. Documentación técnica Acompaña tus datos con un README o metadatos que incluyan: fecha y método de recolección, software utilizado, instrumentos o sensores y responsable del archivo. |
Facilita comprensión y reutilización. |
Consejo del Data Steward: incluye cómo protegerás la autenticidad en tu Plan de Gestión de Datos (PGD). Así garantizas la trazabilidad desde el inicio del proyecto.
Solicitar apoyoGuía práctica: ¿Cómo documentar tus datos de investigación?
En las universidades, la documentación de datos es parte esencial del compromiso con una investigación ética, reproducible y transparente.
- Facilita su comprensión y reutilización.
- Agiliza el trabajo en equipos.
- Cumple con los principios FAIR.
- Asegura la trazabilidad y la integridad científica.
Niveles de documentación
| A nivel de proyecto Entrega una visión general del estudio.
|
A nivel de datos Permite comprender y reutilizar los datos.
|
Documentación según disciplina
Ciencias Sociales
|
Ciencias de la Salud
|
Ingeniería y Ciencias Exactas
|
Humanidades y Artes
|
Economía y Negocios
|
|
Diccionario de datos
Tabla que describe variables y permite interpretar el dataset.
| Variable | Descripción | Tipo | Codificación | Unidad | Notas |
|---|---|---|---|---|---|
| id_participante | Identificador único | Numérico | — | — | Anónimo |
| sexo | Sexo | Categórico | 1=Hombre, 2=Mujer | — | Autodeclarado |
| edad | Edad | Numérico | 18–99 | Años | Redondeado |
| satisfacción | Nivel de satisfacción | Ordinal | 1–5 | — | Likert |
| fecha_encuesta | Fecha | Fecha | YYYY-MM-DD | — | ISO 8601 |
Siguientes pasos
- Documentar desde el inicio.
- Usar el DMP.
- Crear diccionario actualizado.
- Usar formatos abiertos.
- Depositar en repositorio.
- Contactar al Data Steward.
Esta guía sigue buenas prácticas de CESSDA y UANDES.
Contactar al Data StewardAnálisis con respaldo experto: te conectamos con servicios de ciencia de datos para análisis estadísticos, visualización y limpieza avanzada.
El equipo de Data Scientist apoya en limpieza, extracción y modelamiento de datos complejos. Solicitar asesoría
Haz que tu investigación perdure: el Data Steward te guía en depositar tus datos en repositorios seguros, con respaldo institucional garantizado.
Deposita en el Research Data Repository con metadatos, licencias y condiciones de acceso definidas. Depositar datos
Multiplica el impacto: comparte tus resultados de forma abierta y ética, con apoyo para anonimización y elección de licencias.
Orientación en licencias Creative Commons, anonimización de datos sensibles y condiciones de acceso. Solicitar asesoría
Tus datos, una inversión que sigue rindiendo: al facilitar la reutilización, aumentas citaciones y contribuyes a la ciencia colaborativa.
Datos bien descritos y citables amplían la visibilidad de tu investigación y habilitan nuevas colaboraciones. Solicitar asesoría